-
公开(公告)号：CN114285086B
公开(公告)日：2023-08-01
申请号：CN202111413338.6
申请日：2021-11-25
Applicant: 国网河南省电力公司电力科学研究院 , 北方工业大学
Abstract: 本发明提出基于改进蚁群算法的电化学储能能量调度方法及系统。首先从电化学储能的信息采集系统中提取在某种场景中测量和计算的数据，然后运用灰色关联分析确定各数据所占能量调度方法权重，建立以成本最低、运行效率高、损耗率小和输出稳定因素为目标的能量调度寻优模型，最后运用蚁群算法求解能量调度模型，并通过引入相应策略对蚁群算法加以改进，实现电化学储能电站在不同时段内的合理调度，延长了电化学储能电站的使用寿命，促进了储能电站的可持续发展。
-
公开(公告)号：CN114285086A
公开(公告)日：2022-04-05
申请号：CN202111413338.6
申请日：2021-11-25
Applicant: 国网河南省电力公司电力科学研究院 , 北方工业大学
Abstract: 本发明提出基于改进蚁群算法的电化学储能能量调度方法及系统。首先从电化学储能的信息采集系统中提取在某种场景中测量和计算的数据，然后运用灰色关联分析确定各数据所占能量调度方法权重，建立以成本最低、运行效率高、损耗率小和输出稳定因素为目标的能量调度寻优模型，最后运用蚁群算法求解能量调度模型，并通过引入相应策略对蚁群算法加以改进，实现电化学储能电站在不同时段内的合理调度，延长了电化学储能电站的使用寿命，促进了储能电站的可持续发展。
-
公开(公告)号：CN117526401A
公开(公告)日：2024-02-06
申请号：CN202311194117.3
申请日：2023-09-15
Applicant: 国网河南省电力公司电力科学研究院 , 北京联智汇能科技有限公司
Abstract: 一种在线风电波动平抑储能控制方法及系统，基于对风电出力变化的特征值提取，进而生成对储能的控制信号，通过对储能的控制实现平抑风电波动。本发明采用对风电典型功率分频率分析，通过优化算法得到各个频率对应的预测矩阵与信号重构矩阵，利用实时的风电功率及其之前一段时间内的风电功率以及上述预测矩阵与信号重构矩阵实现对超短期风电功率的预测，得到对储能的控制指令预测值，并基于实时预测值与实时实际值修正上述指令，进一步得到精准的控制指令。
-
公开(公告)号：CN110059840B
公开(公告)日：2024-04-19
申请号：CN201810050030.1
申请日：2018-01-18
Applicant: 中国电力科学研究院有限公司 , 国网河南省电力公司 , 国网河南省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明提供一种受端电网中电池储能系统选址方法及系统，包括：获取储能系统的基础数据；将所述获取的基础数据带入预先建立的电池储能建设模型，进行计算，获得储能系统考虑经济性后的最优选址。本发明将受端电网中电池储能的选址与经济性相结合，将经济效益最大化作为目标函数使得储能系统加入配电网的实际可行性大大提升，减少严重故障造成的冲击，提高运行稳定性和可靠性，大大提高了算法的计算能力和运行效率。同时，储能系统的加入使得储能系统本身的优势得以发挥，不仅增加了受端电网对新能源的接纳能力，还可以起到对电网系统一定程度的支撑和调节作用。
-
公开(公告)号：CN114781176B
公开(公告)日：2024-04-05
申请号：CN202210503147.7
申请日：2022-05-10
Applicant: 北方工业大学 , 三峡科技有限责任公司 , 北京联智汇能科技有限公司
IPC: G06F30/20 , G06F17/18 , G06F17/16 , G06N5/048 , G01R31/387 , G01R31/367 , G06F119/04 , G06F119/08
Abstract: 本发明涉及一种锂离子电池储能系统集总参数的等效电路参数辨识方法。该方法包括：首先对所选电池单体进行HPPC测试实验，并记录电压、电流、温度等相关实验数据；然后采用安时积分法计算电池SOC变化，根据Thevenin等效电路模型计算等效内阻值R0，同时分别建立SOC/温度T的模糊评判因素集，最后应用模糊逻辑实现f(SOC,T)＝R0的函数关系参数辨识。本发明充分考虑温度、SOC变化对锂离子电池性能的影响，采用模糊逻辑算法提高电池模型的参数辨识精度，为建立较为精确的磷酸铁锂电池电热耦合模型奠定基础。本发明具有广泛的适用性和良好的通用性。
-
Patent Agency Ranking
公开(公告)号：CN112307906B
公开(公告)日：2023-07-04
申请号：CN202011094254.6
申请日：2020-10-14
Applicant: 北方工业大学 , 北京联智汇能科技有限公司 , 江苏海基新能源股份有限公司
IPC: G06F18/24 , G06F18/23 , G06F18/2411 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种近邻传播聚类下储能电池故障分类特征筛选降维方法。该方法的实现过程如下：首先，获取不同故障的N个储能电池在完成一次充放电过程下的端电压信号数据样本，挖掘端电压信号的特征，组成特征集合；然后，利用余弦相似度定义特征的相似度矩阵，基于近邻传播方法，聚类各个特征，形成多个特征簇；计算相同簇内各特征在不同类型样本下的均值以及均值的标准差，将均值标准差最大的特征定义为表征此特征簇的典型特征；以各特征簇的典型特征作为用于分类任务的筛选降维后特征。通过本发明可以自动筛选出用于分类任务的显著性特征，缓解小样本情况下维度爆炸问题，降低冗余、无效特征对分类器性能的不利影响，提高分类的准确率。
-
公开(公告)号：CN113765125B
公开(公告)日：2023-06-30
申请号：CN202111114415.8
申请日：2021-09-23
Applicant: 北方工业大学 , 北京联智汇能科技有限公司
Abstract: 本发明涉及储能系统能量控制管理领域，具体涉及一种氢储能系统集群功率分配方法。方法包含以下步骤：氢储能的能量控制系统获取所有HESS单元SOHC、制氢效率发电效率ηelec、电解槽工作温度Tec、燃料电池工作温度Tfc参数；每间隔一定时长，比较电网输出功率PG和负荷需求功率PL大小；采用K‑means聚类方法，将大规模氢储能集群分为N个不同的HESS簇群；筛选出最优HESS簇群；利用优先排序法对除最优HESS簇群外的N‑1个HESS簇群进行有功功率分配，且簇群内部各个HESS单元平均承担簇群所承担的总功率；不能完全消纳盈余电能或者仍然不能满足负荷需求，全部由最优HESS簇群承担。本发明相对于现有技术的优点在于：保证大规模储能系统中各个HESS单元的SOHC、工作温度等参数最大程度的控制在最佳运行区间。
-
公开(公告)号：CN112287980B
公开(公告)日：2023-06-23
申请号：CN202011094434.4
申请日：2020-10-14
Applicant: 北方工业大学 , 北京联智汇能科技有限公司 , 安徽绿沃循环能源科技有限公司
IPC: G06F18/2411 , G06F18/23 , G06F18/214
Abstract: 本发明公开了一种典型特征向量的动力电池筛选方法。该方法的包括以下步骤：获取若干已知状态的动力电池的充放电电压信号，并提取电压信号特征，形成特征向量；根据相同类型样本在各特征变量的数值，估计各个特征的概率密度函数，利用抽样方法生成若干新样本；利用聚类方法聚合新样本，形成多个具有代表性的典型特征向量；计算待检测动力电池的特征向量与每一类型各个典型特征向量的余弦相似度，辨识待检测动力电池的健康状态。通过本发明的筛选方法，避免了小样本情况下传统分类模型过拟合问题以及数据不平衡造成的偏差，提高了动力电池筛选的实用性，同时可以更清晰了解不同故障下动力电池的典型特征情况，为更好地定义动力电池状态奠定基础。
-
公开(公告)号：CN112327190B
公开(公告)日：2023-06-20
申请号：CN202011094365.7
申请日：2020-10-14
Applicant: 北方工业大学 , 北京联智汇能科技有限公司 , 北京云外新能源科技有限责任公司
IPC: G01R31/392 , G01R31/367 , G06F18/2411
Abstract: 本发明具体涉及一种储能电池健康状态辨识方法。该方法首先采集储能电池在一次充放电测试过程中的端电压信号，组成含有类别的样本数据集合A；然后，计算每个样本的特征值，形成可以表征原始信号特点的特征向量，组成含有类别的样本特征集合B；接着，生成若干个差异化的支持向量机模型；然后，以遗传算法种群个体的0‑1编码选择部分支持向量机模型，并将特征集合B输入得到多个以概率向量方式表征的储能电池健康情况辨识结果，形成对若干支持向量机模型的筛选方案，即储能电池健康情况辨识方案。多次支持向量集成的方式大幅提升了诊断模型的鲁棒性，利用遗传算法快速、自动地实现了对诊断过程的优化，提升了故障诊断性能。
-
公开(公告)号：CN113533967B
公开(公告)日：2023-06-16
申请号：CN202110847211.9
申请日：2021-07-26
Applicant: 北方工业大学 , 北京联智汇能科技有限公司 , 国网江苏省电力有限公司电力科学研究院
IPC: G01R31/367 , G06F17/15 , G06N3/126
Abstract: 本发明公开了一种全景理论分析的二值优化的电池异常检测方法。包括以下步骤：测量若干个运行电化学储能电池单体的某固定时长的输出电压和电流数据，提取各个电化学储能电池单体电压和电流的特征向量并归一化；以测量电化学储能电池单体的数量定义以0‑1构成的二进制编码个体，基于全景理论利用特征向量间距离，建立对这个编码串下电池单体分组描述的度量函数；采用遗传算法不断演化迭代，寻找出最优编码个体，建立电化学储能电池的最终分组描述；在最优个体0‑1编码位形成电池单体分组条件下分析电池单体的分布情况，形成电池异常状态检测。本发明专利电池异常检测以电池聚集为优化方向，有助于提升异常检测的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.11 seconds)
